MTTR、MTBF、MTTD
MTTR（平均修复时间）衡量从发现到恢复的时长，是 SLA 与复盘紧盯之物。MTBF（平均无故障时间）衡量多久坏一次，靠更好的硬件与更早的干预来提高。MTTD（平均检测时间）衡量故障多久没人发现，是漫长 MTTR 里的隐形杀手。可用性 = MTBF ÷（MTBF + MTTR），扳动任一杠杆，可用性随之而动。
MTTR 的大头花在找而非修
把一次故障的时间线拆开，修复本身通常只要几分钟——换盘、重启、切换。小时数耗在这之前的一切：注意到故障、在五套系统里找出真正出事的那套、定位设备、确认改了什么。所以 MTTR 最大的收益来自上下文而非手速：部件级早期预警（把 MTTD 压到近零）、按拓扑关联并按业务影响排序的告警、能准确说出设备是什么在哪里的资产记录、以及立即可动手的带外访问。
常见问题
MTTR 是 Mean Time To Repair（平均修复时间）——从故障发生到服务恢复的平均时长。MTTR = 总停机时长 ÷ 故障次数，按业务与故障类型分别跟踪。降低 MTTR 的方法：拆解组成、部件级遥测（更快发现）、准确资产和拓扑关联（更快定位）、远程访问和运行手册（更快修复）。MTTR 的大头藏在定位，而非修复。